« La gouvernance des données non structurées » est présentée comme une seule discipline avec un seul cadre méthodologique. Ce n'est pas le cas. Cette expression recouvre au moins quatre problèmes qui ne partagent presque rien d'autre que le format de fichier dans lequel ils existent. Chacun a un propriétaire différent, des enjeux économiques différents et un outil différent, et ces outils ne s'intègrent pas facilement. L'erreur la plus coûteuse dans ce domaine est d'acheter une catégorie de logiciel en pensant qu'elle couvrir tout le reste.
Vous connaissez déjà le squelette de la gouvernance structurée : inventaire, propriété, métadonnées, accès, rétention. Le porter sur les fichiers est nécessaire et ce n'est pas la partie difficile. La partie difficile, c'est que les données non structurées invalident trois hypothèses sur lesquelles repose silencieusement ce squelette.
Ce qui le différencie de la gouvernance structurée
La classification est probabiliste et elle coûte de l'argent réel. Chaque fichier que vous voulez marquer comme sensible, ou comme un enregistrement, ou sûr à supprimer, est un appel à un modèle ou un jugement humain, et la précision ne vient jamais gratuitement. Une rigueur uniforme sur des pétaoctets n'est donc pas une stratégie, c'est une ligne budgétaire qui ne ferme jamais.
Gouvernez la part qui porte un risque ou une valeur comme si votre emploi en dépendait. Appliquez une politique générique au reste et laissez-la s'expirer.
La discipline, c'est le triage. Les programmes qui tentent de classifier tout avec le même standard s'enlisent toujours sur l'arithmétique.
Les données non structurées n'ont pas non plus de gestionnaire naturel. Les données structurées héritent d'un propriétaire du système qui les produit. Un lecteur partagé est produit par tout le monde et détenu par personne, donc « assigner un propriétaire » est une simplification jusqu'à ce que vous corrigiez la règle d'affectation. Deux règles tiennent bon : posséder les données selon le processus métier qui les génère, ou les posséder selon l'entité principale qu'elles décrivent. Tout ce que les deux règles laissent de côté est orphelin, et les données orphelines devraient être supprimées par défaut plutôt que conservées indéfiniment.
Ensuite, il y a les métadonnées, qui existent rarement au moment de la création. La vraie question est : qui paie pour les produire ? Et il y a trois réponses avec des profils de coûts très différents :
- Extraction. Bon marché et immédiat, avec une précision qui varie selon le type de contenu. Suffisant pour le triage, pas pour une obligation légale de conservation.
- Héritage du contexte. Un fichier emprunte ses métadonnées à l'enregistrement ou au processus auquel il est attaché. Bon marché et précis, mais seulement là où le lien existe.
- Balisage manuel. Précis et coûteux, réservez-le donc à la part de valeur élevée et rien d'autre.
L'héritage est le sous-estimé, et c'est pourquoi lier les actifs non structurés aux enregistrements structurés paie bien au-delà de la recherche.
Problème un : prolifération du stockage froid
Les fichiers arrivent sur le stockage primaire et ne le quittent jamais. La plupart deviennent inactifs dans un an et continuent de consommer de la capacité flash et de sauvegarde. Le coût ici, c'est la facture de stockage et son multiplicateur de sauvegarde, pas la conformité. La gouvernance signifie suppression des données obsolètes, hiérarchisation par dernier accès et rétention qui s'exécute automatiquement. C'est un travail pour l'analytique de stockage et la hiérarchisation du cycle de vie. Une plateforme MDM ou un catalogue ne fait rien pour cela.
Problème deux : exposition non gouvernée
Le contenu sensible se trouve dans des fichiers que personne ne suit, et maintenant ces fichiers alimentent les outils d'IA. Cela a cessé d'être un problème de propreté au moment où les pipelines RAG et les chatbots des employés ont commencé à extraire des fichiers non gouvernés dans le contexte et la sortie des modèles. Les chiffres IBM de 2026 rendent ce changement concret. L'IA fantôme figure maintenant dans 43 % des incidents de sécurité, soit à peu près le double de l'année précédente, et plus des deux tiers des organisations ayant subi une violation n'avaient aucune politique régissant l'utilisation de l'IA. IBM parraine cette recherche et vend les contrôles qu'elle recommande, donc lisez ces chiffres en le gardant à l'esprit. La tendance ne fait pas débat.
La classification doit avoir lieu avant que le contenu n'atteigne le modèle. Un moteur de politiques ne peut pas empêcher un enregistrement client d'accéder à un chatbot non approuvé si rien ne l'a jamais étiqueté comme enregistrement client.
La gouvernance ici signifie découverte, classification de la sensibilité et application au moment où le contenu quitte pour un outil d'IA ou un canal externe. C'est un travail pour la gestion de la posture de sécurité des données et la prévention de la perte de données. Ce n'est pas non plus du MDM.
Problème trois : trouvabilité et confiance en IA
Même quand les fichiers sont sûrs à utiliser, un système RAG n'est que aussi bon que le corpus dont il extrait. Les versions dupliquées, les documents obsolètes et la traçabilité manquante produisent des réponses confidentes qui sont fausses, et les réponses confidentes fausses sont pires que rien. La tâche est la curation : dédoublonner, marquer la version faisant autorité, joindre la traçabilité, et l'exécuter comme un pipeline au lieu d'un nettoyage unique qui se dégrade la semaine après que vous ayez terminé. C'est un travail pour les catalogues, l'indexation et les outils de curation, avec un chevauchement réel dans l'analytique de stockage et la données maître selon où se trouve réellement la version faisant autorité.
Problème quatre : dérive par rapport aux enregistrements maître
C'est le problème opérationnel, et c'est celui sur lequel la plupart des équipes de données sont mesurées. Les actifs non structurés qui décrivent les entités métier gouvernées se désynchronisent avec l'enregistrement structuré. Une fiche technique de produit, ses images et son PDF de spécifications décrivent une pièce qui vit aussi dans l'ERP et le PIM. La pièce change, les actifs ne changent pas, et les mauvaises informations sont livrées aux canaux. Dans une catégorie réglementée, c'est un événement de conformité, pas un inconvénient.
Le coût est le retravail et l'erreur, et il se répète chaque fois que l'enregistrement maître change. La gouvernance signifie lier chaque actif à son entité maître afin que l'actif hérite de l'identité, du versioning, des règles d'accès et de la rétention de l'enregistrement auquel il appartient. C'est un travail pour MDM et DAM.
Associer les outils aux problèmes
Aucun produit ne couvre ces quatre aspects. La correspondance, approximativement :
- Prolifération du stockage froid : analytique de stockage et hiérarchisation, par exemple Komprise et outils de cycle de vie natifs du stockage.
- Exposition non gouvernée : DSPM et DLP, avec classification à la sortie.
- Trouvabilité et confiance en IA : catalogues, indexation et pipelines de curation.
- Dérive par rapport aux enregistrements maître : plates-formes MDM et DAM.
AtroCore se situe dans la dernière ligne et seulement là. En tant que plateforme de gestion des données et de DAM open source, elle correspond au cas où les actifs non structurés doivent rester cohérents avec les enregistrements maître structurés, le contenu produit, les documents fournisseurs ou les contrats liés à une entité fournisseur, car son modèle de données configurable permet à un actif d'hériter de l'identité et des règles de l'enregistrement qu'il décrit. Cet héritage est l'avantage de métadonnées mentionné précédemment, rendu opérationnel.
C'est le mauvais outil pour les trois autres. Il ne trouvera pas et ne hiérarchisera pas les fichiers froids à l'échelle du pétaoctet, ce n'est pas une couche de posture ou DLP pour l'exposition à l'IA fantôme, et ce n'est pas un index de récupération pour un corpus RAG. Une équipe dont le vrai problème est le coût de stockage ou la fuite de données en IA ne devrait pas le présélectionner, et tout vendeur qui vous dit le contraire vend au-delà de votre problème.
Par où commencer
Nommez votre problème réel avant de nommer un outil. La plupart des équipes ont les quatre mais n'en ressentent qu'un vivement ce trimestre. Choisissez celui-ci, associez-le à sa catégorie, et gouvernez durement la part de valeur élevée tandis qu'une politique générique porte le reste.
Construisez le lien aux enregistrements maître tôt, quel que soit le problème qui mord. C'est le seul investissement qui paie sur les quatre, car c'est là que viennent à la fois la trouvabilité, la cohérence et les métadonnées héritées.